USC Araştırmacıları, Depresyon ve İntihar Riskini Tespit Etmek İçin Multimodal Sinyalleri Yapay Zeka ile Birleştiriyor
Güney Kaliforniya Üniversitesi Viterbi Mühendislik Fakültesi araştırmacıları, fizyolojik ölçümler ve yapay zekâ kullanarak depresyon ve intihar riskini tespit etmeye yönelik yeni bir yaklaşım üzerine bulgular yayımladı.
Çalışma, üç farklı biyo-sinyal türünü entegre ediyor: elektrodermal aktivite (ter), beyin sinyalleri (muhtemelen EEG aracılığıyla) ve göz hareketi verileri. Bu biyobelirteçlerin her biri, mental sağlık durumlarıyla bağlantılı olduğu bilinen vücudun stres yanıtı ve nörolojik durumu hakkında farklı içgörüler sağlıyor.
Bu birden fazla sinyal türünü makine öğrenimi algoritmalarıyla birleştirerek, araştırma ekibi tek bir ölçüm modalitesiyle elde edilemeyecek kadar sağlam bir tespit sistemi oluşturmayı hedefliyor. Yapay zekâ araştırmalarında çoklu modal yaklaşımlar, çeşitli tıbbi tanı uygulamalarında umut verici sonuçlar göstermiştir; çünkü tek bir veri kaynağının kaçırabileceği bir durumun tamamlayıcı yönlerini yakalayabilirler.
Bu çalışma, nesnel, teknoloji destekli ruh sağlığı değerlendirmesine odaklanan genişleyen bir araştırma alanına katkıda bulunuyor. Depresyon tanısı ve intihar riskinin değerlendirilmesinde geleneksel yöntemler büyük ölçüde klinik görüşmelere ve standart anket formlarına dayanır; bunlar ise değişkenliğe açık olabilir. Fizyolojik belirteçleri kullanan yapay zekâ tabanlı yaklaşımlar, daha tutarlı ve sürekli izleme potansiyeli sunuyor.
Bulgular, ruh sağlığı durumlarının erken tespiti için teknolojiler geliştiren USC Viterbi tarafından yayımlanmıştır.